数码实验室|Adam又要“退休”了？耶鲁大学团队提出AdaBelief 晓查发自凹非寺量子位报道|公众号QbitA

晓查发自凹非寺量子位报道|公众号QbitAI
要挑战Adam地位的优化器又多了一个。
近日NeurIPS2020收录论文提出的一个优化器，在深度学习社区成为焦点，引起广泛讨论。
这就是由耶鲁大学团队提出的AdaBelief 。团队在论文中表示，该优化器兼具Adam的快速收敛特性和SGD的良好泛化性。

文章图片
所谓AdaBelief ，是指根据梯度方向上的“信念”（Belief）来调整训练的步长。它和Adam在算法上的差别并不大。
二者差别在下面的算法实现上可以轻易看出。

文章图片
相比Adam ， AdaBelief没有引入任何其他新参数，只是在最后一步更新时有差异，已在上图中用蓝色标出。
Adam的更新方向是

文章图片
而AdaBelief的更新方向是

文章图片
vt和st的差别在于，后者是

文章图片
的指数移动平均（EMA）。
mt可以看做是gt的预测值，当实际值与预测值相差不大时，分母

文章图片
较小，步长较大，权重放心大胆迈开步子更新。
而实际值与预测值相差很大时， AdaBelief倾向于“不相信”当前梯度，此时分母较大，更新步长较短。
为什么AdaBelief更好
只做在最后一步做了了一个小小的改变，未审核会产生如此之大的影响呢？
这主要是因为AdaBelief考虑了两点。
1、损失函数的曲率问题
理想的优化器应该考虑损失函数的曲线，而不是简单地在梯度较大的地方下采取较大的步长。

文章图片
在“大梯度、小曲率”（图中区域3）情况下|gt-gt-1|和|st|很小，优化器应增加其步长。
2、分母中的梯度符号

文章图片
在上图损失函数为

文章图片
的情况下，蓝色矢量代表梯度，十字叉代表最优解。
Adam优化器在y方向上振荡，并在x方向上保持前进。这是由于

文章图片
在低方差情况下， Adam中的更新方向接近“符号下降” 。
而在AdaBelief中，

文章图片
因此AdaBelief在x方向上走了一大步，在y方向上只会走一小步，防止振荡产生。
实验结果
在简单的几种3维损失函数曲面上， AdamBelief展现出了优秀的性能。

文章图片

文章图片
图像分类
在CIFAR-10和CIFAR-100数据集上，用VGG11、ResNet34和DenseNet121三种网络进行训练， AdaBelief都显示出更好的收敛结果。
而且在ImageNet数据上， AdaBelief在Top-1准确率上仅次于SGD 。